第四節 - 取樣定理及訊號還原
上一節已經告訴我們對連續訊號取樣會造成頻譜週期性疊加,如何從疊加後的頻譜還原出原始的連續訊號亦是一大課題,本節將討論在什麼條件之下可以無失真的還原及其操作方式。
# 取樣定理
在正式介紹取樣定理之前,我們想先從前一節使用的例子開始觀察,這個例子的好處是它的頻率範圍是有限的,這樣才能確保在適當的條件下能無失真還原。一開始先繪出 CTFT 組圖,接著 DTFT 告訴我們當連續訊號以每 秒取樣一次,頻譜會每赫茲疊加一次,於是從 3 Hz 開始漸漸地往下調整,2 Hz、1.5 Hz,到最後的 1 Hz,我們會發現到 2 Hz 之前頻譜都還沒發生混疊 (aliasing) 現象,也就是在這個頻率區間的頻譜還沒被汙染到,唯有當降到了 2 Hz 以下之後由於不同區間的頻譜彼此之間靠太近才開始互相影響。
時域 | 頻域 | |
CTFT | ||
DTFT (沒有混疊) | ||
DTFT (快要混疊) | ||
DTFT (已經混疊) | ||
DTFT (嚴重混疊) |
取樣定理 (Nyquist-Shannon Sampling Theorem) [5]
考慮有限頻寬 (band-limited) 訊號 ,其最高頻率令為,那麼當取樣頻率的時候原訊號 可僅由取樣後的 進行無失真重建。
# 如何重建 CT 訊號
頻域 | 時域 | |
IDTFT | ||
ICTFT |
一張圖勝過千言萬語。對 DTFT 來說,因為頻譜只包含一個週期的資訊,所以只能還原出離散訊號;但是對 CTFT 來說,頻譜可是包含了整個實數域的資訊 (比 DTFT 豐富許多),因此它就能還原出整組連續訊號。我們還能發現到,如果訊號滿足取樣定理的話,其實它的頻譜也可以自動地從 DTFT 延伸到 CTFT。
\displaystyle \begin{alignat*}{2}x(t) &= \int_{-\infty}^{\infty} X(f)\ e^{j2\pi ft}\ df \\&= \int_{-\infty}^{-0.5f_s} X(f)\ e^{j2\pi ft}\ df + \int_{-0.5f_s}^{0.5f_s} X(f)\ e^{j2\pi ft}\ df + \int_{0.5f_s}^{\infty} X(f)\ e^{j2\pi ft}\ df \\&= \int_{-\infty}^{-0.5f_s} 0\cdot e^{j2\pi ft}\ df + \int_{-0.5f_s}^{0.5f_s} X(f)\ e^{j2\pi ft}\ df + \int_{0.5f_s}^{\infty} 0\cdot e^{j2\pi ft}\ df \\&= \int_{-0.5f_s}^{0.5f_s} X(f)\ e^{j2\pi ft}\ df \\&= \int_{-0.5f_s}^{0.5f_s} \ddot X(f)\ e^{j2\pi ft}\ df\end{alignat*}
於是在這個情況之下的連續訊號也能從 DTFT 頻譜還原。
Last updated